-6-

CURSO : PROBABILIDADES PROF. : GIRALDO LAGUNA, S. ORLANDO

2.- FUNCION PROBABILIDAD ( P )

Es la relación entre el conjunto potencia (Ω) ,  asociado a  , ( dominio del modelo ) y
el intervalo cerrado  0 , 1  ( rango del modelo ) ; que representa el chance de los eventos
( subconjuntos de  , que pertenecen al conjunto potencia ); en situaciones repetitivas.
Simbólicamente se tiene :
P: (Ω)  0, 1 
A P(A)
Donde P ( A ), se lee “ probabilidad del evento A “ y siendo que pertenece al intervalo
 0 , 1  puede expresarse en términos de % .
Observación : Esta función también es definida, por algunos autores, como; P:   0,1 
¿ Cómo obtener P ( A ) ?
2.1.- DEFINICIONES DE LA FUNCION PROBABILIDAD
1. DEFINICION AXIOMATICA ( de KOLMOGOROV )
Axioma 1. 0  P ( A )  1 ,  A  (Ω)
Axioma 2. P( )  1
Axioma 3. Si A 1 , A 2 , A 3 , . . . , A n , . . . es una colección de eventos mutuamente
 

excluyentes, entonces P(  Ai )  P ( Ai )
i 1 i 1
2. DEFINICION CLASICA ( de LAPLACE )
Sea  un espacio muestral asociado a un experimento aleatorio , y A
cualquier evento, si :
i.-    1 ,  2 , . . . ,  N  es finito
ii.- Cada evento elemental; E i    i  ; i  1, 2 , . . . , N . tiene igual probabilidad
1
de ocurrir, esto es : P ( E 1 )  P ( E 2 )    P ( E N ) 
N
Observación.- La condición ii será razonable en tanto no sean consuderados
criterios discriminatorios que favorezcan algún resultado.

Entonces, para cualquier evento A, se tiene:

 ( A ) C a s o s F a vo r abl e s al event o A
P( A) 
() C a s o s P o sibl e s
PROPIEDADES
P1. P()0 ( Probabilidad del evento Imposible )
P2. P (  ) 1 ( Probabilidad del evento Seguro )
P3. Sean A y B dos eventos cualesquiera, entonces
P( AB) P( A) P(B) P( AB)
P4. Sean A y B dos eventos tal que A B   , entonces
P( AB) P( A) P(B)
__
P5. Para cualquier evento A ; P ( A )  1  P ( A )
n

Observación.- P3 y P4 pueden generalizarse a A

i 1
i
Ejemplo 1.- Para el experimento de la distribución de 2 empleados en 3 oficinas, visto antes.
Determine la probabilidad de los eventos: A = sólo un empleado por oficina,
B = Los dos empleados en la misma oficina, C = Las tres oficinas vacías
Solución :
Ω={               
AB
, , , , , ,
ω1 ω2 ω3 ω4 ω5
   Φ          }

ω6 ω7 ω8 ω9
6
A = { ω2 , ω3 , ω4 , ω6 , ω7 , ω8 } , entonces P ( A) 
9
3
B = { ω1 , ω5 , ω9 } , entonces P ( B ) 
9
C = ø , entonces P ( C ) = 0
Ejemplo 2. En la UNMSM ; el 30% de estudiantes son costeños, el 10% estudia Ingeniería
y el 10% de los estudiantes de Ingeniería son costeños . Si se selecciona, al
azar, un estudiante de la UNMSM.
a). Cuál es la probabilidad de que no sea costeño ?
b). Cuál es la probabilidad de que sea costeño o estudie Ingeniería ?
c). Cuál es la probabilidad de que no sea costeño, ni estudie ingeniería ?
Solución :
Ω = Estudiantes de la UNMSM
Definamos :
C = Estudiante UNMSM, costeño
I = Estudiante UNMSM, de Ingeniería
Gráficamente :
Ω C C

I
C I
≈

__
I

Se tiene:
P( C ) = 0,30
P ( I ) = 0,10
P ( CI ) = 0,01
Se pide :
a). P ( C ) = 1 – P ( C ) = 1 – 0,30 = 0,70
b). P ( C υ I ) = P ( C ) + P ( I ) – P ( C I )
= 0,30 + 0,10 - 0,01
= 0,39
__
c). P ( C I ) = P ( C  I ) = 1 – P ( C υ I ) = 1 – 0,39 = 0,61